课程：人工智能的软件测试应用

求知

文章

文库

Lib

咨询

会员

成功案例

相关课程

全部课程 >人工智能

人工智能的软件测试应用

1941 次浏览

58 次


Paul博士
某人工智能技术公司人工智能测试实验室负责人

时间地点：北京、深圳、上海根据报名开班

课程费用：5000元/人

报公开课

要内训

企业内训：可以根据企业需求,定制内训,详见内训学习手册

认证方式：
培训前了解能力模型。
培训后进行能力评测：

在线考试

能力分析，给出学习建议

合格者颁发证书，作为职业技能资格证明

人工智能时代，很多软件中都涉及到人工智能的组件，因为对于输入，经过人工智能处理的输出具有一定的模糊性和不确定性，所以人工智能应用的软件测试需要测试工程师具有更多的能力。本课程面向进行人工智能应用测试的工程师，讲解如何人工智能的应用测试的基本框架，相关的人工智能的测试相关的知识、测试数据准备和处理方法，预期结果和实际结果的对比和判定技术，以便让测试工程师简历人工智能应用的测试工作基础。

培训目标：

• 了解人工智能应用测试的基础知识
• 学习人工智能应用测试的数据准备和处理方法
• 预期结果和实际结果判定技术
• 学习一些常见的人工智能应用组件测试技术：图片识别、人脸识别、文本分析、商业智能、预测分析
• 了解人工智能应用的一些测试工具

培训对象：人工智能应用测试工程师

学员基础：具有一定测试经验，了解人工智能基本知识

授课方式：定制课程 + 案例讲解 + 小组讨论，60%案例讲解，40%实践演练

培训内容：2天

第一节人工智能应用的测试基础	人工智能应用测试的特点机器学习测试与传统软件测试的差异从机器学习标准正确性 correctness 、鲁棒性 robustness 、私密性 privacy 、效率性 efficiency 以及公正性 fairness 测试流程中 AI 的介入测试当前状态测试最近代码变化代码覆盖率测试过程中数据如何收集哪些数据准备和提取是有用的使用深度学习自动生成单元测试和参数化机器学习系统测试的三大要素和测试流程深度学习测试当前所面临的一些挑战
第二节利用决策树模型进行进行离散测试数据处理	人工智能应用的逻辑判定复杂度引起的海量测试数据问题决策树模型的数据处理原则如何利用决策树模型进行测试数据处理熵、联合熵、条件熵、 KL 散度、互信息最大似然估计与最大熵模型 ID3 、 C4.5 、 CART 详解决策树的正则化预剪枝和后剪枝 Bagging 随机森林不平衡数据集的处理利用随机森林做特征选择使用随机森林计算样本相似度异常值检测提升为什么有效梯度提升决策树 GBDT XGBoost 算法详解 Adaboost 算法加法模型与指数损失 XGBoost 库使用学习算法的本质 Adaboost 用于蘑菇数据分类 Adaboost 与随机森林的比较测试案例实践：决策树应用于回归多标记的决策树回归决策树和随机森林的特征选择与因子提取葡萄酒数据集的决策树 / 随机森林分类用户流失率分析与预估
第三节利用卷积神经网络优化海量测试对象	从海量型号的手机 app 测试谈起海量测试对象带来的测试成本问题优化海量测试的对象的技术和方法神经网络结构，滤波器，卷积池化，激活函数，反向传播目标分类与识别、目标检测与追踪 AlexNet 、 VGGNet 、 GoogleLeNet Inception-V3/V4 ResNet 、 DenseNet 测试案例实践：金融数据与卷积网络的关系与分析时间序列分析与卷积应用数字图片分类以图搜图人证合一卷积神经网络调参经验分享
第四节时间序列测试的人工智能支持	时间序列测试的特点和难点空间相关测试的特点和难点时间、空间相关数据的建模工具 : 循环神经网络时间序列预测的常用方法测试行业与时间序列的关系时间序列数据与文本处理的关系数据特征与词向量在非文本行业的应用文本分类：基于 CNN 和基于 LSTM 的方法比较 LSTM 可以用于数据测试吗？时间、空间相关的测试实践：阅读理解问答系统情感分析时间、空间相关的测试案例： HMM 分词及 CRF 的异同文本摘要的生成智能对话系统和 SeqSeq 模型阅读理解的实现与 Attention
第五节测试数据清洗方式和案例分析	测试数据的质量要求和数据清洗的必要性数据清洗章节放在模型搭建之后的原因实际生产问题中算法和特征的关系股票数据、时间特征的数据特征提取和应用一致性检验缺失数据的处理环境数据异常检测和分析模糊数据查询和数据校正方法、算法、应用鸢尾花数据与分类模型测试案例实践： scikit-learn 的特征工程典型使用损失函数的绘制卷积与 ( 指数 ) 移动平均线股票数据分析
第六节测试结果评估：使用机器学习手段的特征提取和模型评估	测试结果评估的目标和策略人工智能对测试结果评估的支持方法测试结果评估的方法和实践：交叉验证：对回归器、分类器的性能估计交叉验证与模型选择超参数的调整方案全量 Grid 计算随机参数优化性能度量方案的选择自定义评价方案组合模型的参数优化模型的并行化和发展 AIC/BIC 等信息论原则模型的定量和定性评价分类、多标签、回归、聚类模型的评价异同模型持久化学习曲线

报公开课

要内训

1941 次浏览

58 次

其他人还看了课程

TinyML实战训练 289 次浏览

人工智能与机器学习应用实战 2808 次浏览

GPU和CUDA并行计算应用程序开发 423 次浏览

机器学习理论与实战 3414 次浏览

图数据库与知识图谱应用实践 414 次浏览

大模型原理与实战 2239 次浏览

最新活动计划

QT应用开发 11-21[线上]

C++高级编程 11-27[北京]

LLM大模型应用与项目构建 12-26[特惠]

UML和EA进行系统分析设计 12-20[线上]

数据建模方法与工具 12-3[北京]

SysML建模专家 1-16[北京]